弁護士鈴木淳巳(アディーレ法律事務所代表)

もっぱらVibeCodingしている弁護士です。9割AIに関する投稿しかしませんが、たまに事務所関連の発言をします。

[弁護士鈴木淳巳(アディーレ法律事務所代表) @suzukiAdIre]

DGX Spark(OEM)を2台購入ポストしたら僕の投稿にしたら伸びたのでたまには真面目に。

自分で買っておいてなんですが、いまローカルLLMのために高いマシンを買うのは、ほとんどの人にとって割に合わないと僕も思います。それでも僕が買ったのは、単純な性能やコストの計算というより、人間と組織の心理、もう少し正確に言えばインセンティブの問題です。

先にスペックの話をしておくと、DGX Sparkはメモリ帯域（メモリからデータを読み出す速さで、LLMの生成速度はほぼこれで決まります）が273GB/sしかなく、MacBook Pro M5 Maxの614GB/sと比較しても半分以下です。
なので発売後話題になってるのは知ってましたが、手元にM5 Max 128GBがあるので、メモリ帯域の低いDGX Sparkをあえて買うより、RTX 5090のような専用GPUを用意するか、秋頃に予想されるMac Studio M5 Ultraの256GB以上を狙う方がいいと思って待っていました。

考えが変わったのは、DeepSeek-V4-Flash-0731とQwen3.6-35B-A3Bという二つの優秀かつ使い勝手の良いMoEモデルが出てきたからです。

上記のとおり帯域が細いので毎回すべてのパラメータが動く普通のDenseモデルを回すには不利なマシンなのですが、MoE（巨大なモデルのうち、1トークンごとに一部の「専門家」だけが動く方式）なら読み出す量が少ないので、帯域が細くても速度が出ます。

特にDeepSeek-V4-Flash-0731が一般的なベンチマークで優秀なだけでなく、僕が日本の法律タスクで回している内部ベンチマークでもGPT-5.2ぐらいの性能があり、速度と同時処理数さえ担保できれば十分実用に耐えると判断しました。2台なのは、DeepSeek-V4-Flash-0731で50トークン/秒程度を出すには1台では足りないからです。
これまで軽量なローカルモデルは、知識量が不足しやすいので、答えや基準がプロンプトにある構造化・分類・要約のようなタスクはトップモデル並みでも、答えが与えられていない生成タスクは苦手というのが一般的理解ですし、手元のタスクでも同様でした。
しかし、クラウドでのGPT-5.6 Lunaに続いてローカルでもDeepSeek-V4-Flash-0731が、この常識を覆したというのが僕の認識です。

ただ、DeepSeek-V4-Flash-0731の性能がローカル基準で高いだけでは、だからローカルモデルがいい、高いデバイスを買うほうがいいにはなりません。
ローカルを選ぶ理由として一般に挙がるのは、①個人情報や守秘義務の問題を回避して業務にAIを使えること（クラウド利用がどこまで許されるかは解釈・立場によって議論がありますが、外部送信のないローカルはその議論自体に左右されません）、②API費用がかからないこと、③検閲回避（クラウド提供側の出力制限に左右されない）あたりだと思いますが、
①はAzure OpenAIやAmazon BedrockなどZDR（入出力データを保存しない契約）で使える選択肢が増えていますし、②はGPT-5.6 Lunaのコスパが優秀すぎて、普通の使い方と量ではデバイスの初期投資をまず回収できません。なので基本的には、①②がローカル購入を検討する多くの方は高いデバイスを買うよりサブスクやAPIを使った方がいいと思っています。

それでも僕がローカルを選んだ理由は以下です。
一つ目は、モデル進化の下限が確定したこと。ローカルモデルの性能が今後下がることはないので、DeepSeek-V4-Flash-0731が実用ラインを超えた時点で、これが未来の下限になりました。ハードは今買っても、載せるモデルの方が勝手に賢くなっていきます。
二つ目は、フロンティアプロバイダに完全に依存するリスクに対する冗長化です。今のサブスク、APIのコスト水準や提供条件が続く保証はどこにもないので、自前で回せる環境が一つあるだけで、事業の継続性も切替準備もできます。
三つ目が僕にとっての本命ですが、インセンティブが逆ベクトルになる構造です。APIは使うたびに料金がかかるので、個人は節約したくなり、組織では承認や利用制限の議論が始まって、なるべく使わない方向に力が働きます。ローカルは逆で、一度買ってしまえば使わないと損なので、個人の心理も組織の力学もなるべく使う方向に倒れます。AIの活用力は結局どれだけ触ったか、どれだけ使いやすいデータに変換したか決まるので、人間の自然な心理傾向が使用を促進してくれるこの構造そのものに投資価値がある、というのが根本にあり、これこそがローカル導入の本質価値と考えています。

その前提でDeepSeek-V4-Flash-0731が個人的な条件閾値を超えてくれたので僕の場合は購入に踏み切りました(実際は、タイムライン見てるとみんな買ってる人楽しそうだな〜いいな〜という直感的要求を自分で後押しできました)

[弁護士鈴木淳巳(アディーレ法律事務所代表) @suzukiAdIre]

おお、Grok bot、遅ればせながらやってみたけどいいな。Bot間で会話してくれるので、1人に教えて、他のメンバーのメモリにも登録しておいてと言ったら勝手に会話して伝播してくれる。

[弁護士鈴木淳巳(アディーレ法律事務所代表) @suzukiAdIre]

数年放置してた面倒な作業をgrok botに委任している。
ところでMicrosoftの人間確認のパズル🧩普通に解けなかったんだけど。。

[となりのトトノ🏯Local LLM | Tonoken3 @Tono_Ken3]

計算資源の不法所持！！　なんて日だ

急げ。そして潜れ

[弁護士鈴木淳巳(アディーレ法律事務所代表) @suzukiAdIre]

毎日同じ工程で使いまくっているから分かるけど、Fableが今朝から賢くなった。
これは予想通り来るな。

[Pankaj Kumar @pankajkumar_dev]

Gemini 3.8 Flash Coming Tomorrow

- gemini-3.8-flash has been deployed and coming to release tomorrow.
- Coming with fixes many of the issues Gemini 3.7 Flash struggled with, with a lot of the slop cut down.

[スナガク | Codex 本発売予定 @suna_gaku]

【朗報】Codex の利用枠を使い切っても、Luna Max は使い続けられるかもしれない！？

Luna Reserve という機能が公開されていて、一部のアカウントだけに開放されている様子です。利用枠を使い切った後も、Luna を使わせてくれる機能になります！

Luna Max は実装役としての性能はピカイチなので、これだけでも十分すぎる...

ありがとう OpenAI ！
https://t.co/xNmtzM11yt

[Chubby♨️ @kimmonismus]

Today I learned :

Claude’s $200 Max plan offers 20x Pro usage within the five-hour window, but its weekly limit is only about twice that of the $100 plan.

Oh and btw: Tibo has confirmed that Codex really sees 5x more weekly usage.

Anthropic strikes again

[Tibo @thsottiaux]

What I wanted to say yesterday is that we hit 25M active users and to celebrate we have now reset usage for all paid subscriptions for ChatGPT Work and Codex.

See you soon for more news from The Reset Company.

[Andrew Curran @AndrewCurran_]

We've uncovered the diabolical culprits behind the Mac mini shortage.

[Sad AlbertX @SadAlbert10]

Astra will be available for plus users

[Tibo @thsottiaux]

This celebration is moved to tomorrow as the button was already pressed today.

[Tibo @thsottiaux]

We are reseting usage for all paid users of Codex and ChatGPT Work.

Please continue reading for an update on Codex usage limits. The team has been working around the clock, going through thousands of reports and shipping fixes.

Depending on how you use Codex, you should see your usage go between 10% and 50% further than before.

We really went with a fine comb, with many uncovered small things being longstanding and here is what we found and fixed:
- Compaction. We were keeping old images during compaction, sometimes making the context large enough to trigger compaction again. After the fix, usage dropped around 10% for users making heavy use of images. Fixed.
- Memory. Background memory workers could inherit Stop hooks and keep running when the hook wouldn’t let them finish. This affected fewer than 1% of users, with the long tail being pretty bad and we saw one example thread check whether it could stop 15,000 times. Fixed.
- Goals. In some cases, a set /goal could finish and then keep going past the intended stop condition, or the model would keep retrying broken tools without stopping. We saw examples consume anywhere from 15% to 70% of a weekly allowance. Fixed.
- Automations. Some custom schedules could run more frequently than configured. Fixed.
- Subagents. Smaller models (e.g. Luna) sometimes picked more capable helpers without being explicitly asked. The same was true where the orchestrating model not running in /fast mode could request sub-agents to run /fast. Fixed.
- Computer History. The older implementation could lead to repeatedly summarizing overlapping activity. For some cases we saw it consume up to one fifth of the weekly usage per week. Fixed.
- Rolling task summaries. Ordinary turns were triggering extra background requests. These added about 1% to token usage. Small each time, but it adds up. We have disabled this.
- MCP. Some tool results could be encoded twice. We also found tool instructions getting cut off and fetched again. Fixed.

We’ve also made architectural changes to prevent these from regressing and our teams will get paged if it happens regardless. We are also working on showing you directly in the app where your usage goes so you don’t have to guess.

Goes without saying that we’re resetting usage limits and I hope you enjoy a very nice Saturday!

[Mark Kretschmann @mark_k]

Screenshotted before it gets deleted:

Astra by @OpenAI is allegedly coming next Thursday, according to @axel_pond.

[Jun Song @jun_song]

The memory shortage that was projected to last until 2028 has now been pushed to the end of 2030.

Supply simply cannot physically keep up with the exploding demand.

Despite all the optimistic takes on rapid tech breakthroughs, the rate of AI adoption is outpacing the speed of innovation itself.

And as I always say, you cannot build memory fabs overnight. Even if we discover brand new nano-node processes tomorrow, physically constructing and spinning up a fab still takes years.

[Jacob Witt @jacobwitt6]

@udiWertheimer @elonmusk Working on unifying these

[弁護士鈴木淳巳(アディーレ法律事務所代表) @suzukiAdIre]

Dgx sparkは２台目が到着したが接続ケーブルが入荷待ち。。

[弁護士鈴木淳巳(アディーレ法律事務所代表) @suzukiAdIre]

昨日会社用メインのMac Studio更新でM5 Ultra 256GBを注文。発表1日で11月納期はシビアすぎる。

メイン機は日常作業の大量メモリ確保が趣旨でローカル目的だけではないが、奇しくもQwen3.8flash-nextとGLM-5.3flash(Q4なら)がM5 Ultra 256GBとDGX Spark 2台繋ぎでのテストにぴったり。

せっかくなのでこの2台を活かしたモデルテストをFableとSolに設計させ、GGUF・MLX・NVFP4の実測差や量子化の影響、llama.cppやSGLang、vLLMなどの推論エンジン差など、これまで自分でやらなかったことも自動テストする仕組みを作ってもらおう。

[あるふ @alfredplpl]

米エヌビディア、ハギングフェイス買収で合意　129億ドル＝報道 https://t.co/M6dUw84FPc